Pengembangan Sistem Deteksi Lubang pada Jalan Menggunakan Algoritma YOLO Berbasis ESP32-CAM
Kata Kunci:
deteksi objek, deteksi lubang pada jalan, YOLOv8, ESP32-CAM, real-time, kecerdasan buatanAbstrak
Jalan merupakan infrastruktur penting yang mendukung transportasi, pembangunan wilayah, dan pemerataan hasil pembangunan. Namun, kerusakan jalan berupa lubang sering terjadi akibat faktor alam dan aktivitas manusia, seperti cuaca ekstrem dan beban kendaraan berat. Hal ini meningkatkan risiko kecelakaan dan biaya perawatan kendaraan. Penelitian ini bertujuan mengembangkan sistem deteksi lubang pada jalan secara real-time dengan memanfaatkan algoritma YOLOv8 dan perangkat ESP32-CAM. Sistem ini diharapkan mengatasi keterbatasan metode manual yang membutuhkan banyak waktu, tenaga, dan rentan terhadap human error. Pendekatan penelitian ini menggunakan metodologi Agile dengan pengujian sistem pada jalan sepanjang 3,5 km. Hasil pengujian menunjukkan bahwa sistem dapat mencapai F1-Score sebesar 0,73, dengan precision 0,70 dan recall 0,78. Waktu rata-rata untuk inference adalah 300-350 ms, preprocess 0-12 ms, dan postprocess 0-3 ms. Berdasarkan hasil analisis waktu proses dan mengacu pada kriteria sistem real-time, sistem ini dapat dikategorikan sebagai real-time karena mampu merespons tanpa keterlambatan yang signifikan. Kinerja sistem stabil meskipun dipengaruhi oleh faktor pencahayaan, kompleksitas objek, dan daya yang tersedia. Meskipun sistem ini masih memerlukan komputer untuk menjalankan YOLOv8, penelitian ini merupakan langkah penting menuju pengembangan sistem deteksi lubang pada jalan yang lebih mandiri dan akurat. Hasil penelitian ini menunjukkan bahwa integrasi ESP32-CAM dengan YOLOv8 dapat mendeteksi lubang pada jalan secara real-time dengan tingkat akurasi yang memadai.
Referensi
Choi, H., Kim, S., & Lee, Y. (2020). Real-time object detection on embedded systems using YOLO. Journal of Embedded Systems, 15(3), 34-4.
ESP32.net. (n.d.). ESP32 overview. Diakses dari https://www.esp32.net. (diakses pada bulan Oktober 2024).
Fauzan, A. A. A., & Utaminingrum, F. (2021). Sistem Pendeteksi Dini Lubang pada Jalan menggunakan Gray Level Co-Occurrence Matrix berbasis Raspberry Pi. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(3), 845-851.
Gonzalez, R. C., & Woods, R. E. (2018). Digital image processing (4th ed.). Pearson Education.
Jocher, G., et al. (2023). Dokumentasi YOLOv8. Ultralytics. Diakses dari https://docs.ultralytics.com/. (diakses pada bulan Januari 2025).
KMPedia. (2022, Januari 18). Embedded System, Apa Artinya?. Diakses dari https://www.kmtech.id/post/embedded-system-apa-artinya (diakses pada Oktober 2024).
Khairunnisa, N., Yuniarti, E., & Purwowibowo. (2023). Detektor angka real-time berbasis mikrokontroler ESP32 CAM dengan pengolahan data menggunakan algoritma YOLO. Diakses dari https://repository.uinjkt.ac.id/dspace/handle/123456789/75022.
Kumar, P., & Kumar, V. (2023). Exploring the frontier of object detection: A deep dive into YOLOv8 and the COCO dataset. In 2023 IEEE International Conference on Computer Vision and Machine Intelligence (CVMI) (pp. 1-6). IEEE.
Last Minute Engineers. (2024). Getting started with ESP32-CAM. Diakses dari https://lastminuteengineers.com/getting-started-with-esp32-cam/ (diakses pada Oktober 2024).
Liang, J. (2022). Confusion matrix: Machine learning. POGIL Activity Clearinghouse, 3(4).
McKinsey & Company. (2023, 6 Oktober). It’s coming home: The return of agile hardware product development. McKinsey & Company. Diakses dari https://www.mckinsey.com/capabilities/operations/our-insights/its-coming-home-the-return-of-agile-hardware-product-development (diakses pada Januari 2025).
Morales, I. H. (2023). Brief overview of embedded systems for Industry 4.0 Applications and Networks. In 2023 IEEE Integrated STEM Education Conference (ISEC) (pp. 18-21). Laurel, MD, USA: IEEE.
Nabawi, I., Wahidin, W., Feriska, Y., Diantoro, W., & Imron, I. (2021). Analisis Dampak Kerusakan Jalan terhadap Pengguna Jalan dan Lingkungan di Ruas Jalan Pebatan-Rengaspendawa Brebes. Infratech Building Journal, 2(1), 28-34.
P. Agrawal et al., "YOLO Algorithm Implementation for Real Time Object Detection and Tracking," 2022 IEEE Students Conference on Engineering and Systems (SCES), Prayagraj, India, 2022, pp. 01-06.
Putri, S. A. (2024). Penerapan Model Deteksi Jenis Kerusakan Jalan Dengan Menggunakan Algoritma You Only Look Once (YOLO) Versi 8 (Doctoral dissertation, Institut Teknologi Sepuluh Nopember).
Salikhov, R. B., Abdrakhmanov, V. K., & Safargalin, I. N. (2021, November). Internet of things (IoT) security alarms on ESP32-CAM. In Journal of Physics: Conference Series (Vol. 2096, No. 1, p. 012109). IOP Publishing.
SunFounder. (2024). ESP32 CAM. SunFounder GalaxyRVR Kit for Arduino 1.0 documentation. Diakses dari ESP32 CAM — SunFounder GalaxyRVR Kit for Arduino 1.0 documentation (diakses pada Oktober 2024).
Stanković, J., Rajkumar, R., & Ramamritham, K. (2019). Real-time systems: Theory and practice. Springer.
Tafida, A. I., Bt Wan Zawawi, N. A., Alaloul, W. S., & Musarat, M. A. (2024). A systematic review of the use of computer vision and photogrammetry tools in learning-based dimensional road pavement defect detection for smart transportation. In 2024 International Conference on Smart Applications, Communications and Networking (SmartNets) (pp. 1-9). Harrisonburg, VA, USA: IEEE.
Undang-Undang No. 38 Tahun 2004 tentang Jalan (Indonesia). Diakses dari UU No. 38 Tahun 2004 (bpk.go.id) (diakses pada Oktober 2024).
Zhang, J., Wang, L., & Xu, D. (2021). Performance analysis of real-time object detection on embedded devices. IEEE Transactions on Embedded Computing, 22(6), 180-192.
Choi, H., Kim, S., & Lee, Y. (2020). Real-time object detection on embedded systems using YOLO. Journal of Embedded Systems, 15(3), 34-4.
ESP32.net. (n.d.). ESP32 overview. Diakses dari https://www.esp32.net. (diakses pada bulan Oktober 2024).
Fauzan, A. A. A., & Utaminingrum, F. (2021). Sistem Pendeteksi Dini Lubang pada Jalan menggunakan Gray Level Co-Occurrence Matrix berbasis Raspberry Pi. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(3), 845-851.
Gonzalez, R. C., & Woods, R. E. (2018). Digital image processing (4th ed.). Pearson Education.
Jocher, G., et al. (2023). Dokumentasi YOLOv8. Ultralytics. Diakses dari https://docs.ultralytics.com/. (diakses pada bulan Januari 2025).
KMPedia. (2022, Januari 18). Embedded System, Apa Artinya?. Diakses dari https://www.kmtech.id/post/embedded-system-apa-artinya (diakses pada Oktober 2024).
Khairunnisa, N., Yuniarti, E., & Purwowibowo. (2023). Detektor angka real-time berbasis mikrokontroler ESP32 CAM dengan pengolahan data menggunakan algoritma YOLO. Diakses dari https://repository.uinjkt.ac.id/dspace/handle/123456789/75022.
Kumar, P., & Kumar, V. (2023). Exploring the frontier of object detection: A deep dive into YOLOv8 and the COCO dataset. In 2023 IEEE International Conference on Computer Vision and Machine Intelligence (CVMI) (pp. 1-6). IEEE.
Last Minute Engineers. (2024). Getting started with ESP32-CAM. Diakses dari https://lastminuteengineers.com/getting-started-with-esp32-cam/ (diakses pada Oktober 2024).
Liang, J. (2022). Confusion matrix: Machine learning. POGIL Activity Clearinghouse, 3(4).
McKinsey & Company. (2023, 6 Oktober). It’s coming home: The return of agile hardware product development. McKinsey & Company. Diakses dari https://www.mckinsey.com/capabilities/operations/our-insights/its-coming-home-the-return-of-agile-hardware-product-development (diakses pada Januari 2025).
Morales, I. H. (2023). Brief overview of embedded systems for Industry 4.0 Applications and Networks. In 2023 IEEE Integrated STEM Education Conference (ISEC) (pp. 18-21). Laurel, MD, USA: IEEE.
Nabawi, I., Wahidin, W., Feriska, Y., Diantoro, W., & Imron, I. (2021). Analisis Dampak Kerusakan Jalan terhadap Pengguna Jalan dan Lingkungan di Ruas Jalan Pebatan-Rengaspendawa Brebes. Infratech Building Journal, 2(1), 28-34.
P. Agrawal et al., "YOLO Algorithm Implementation for Real Time Object Detection and Tracking," 2022 IEEE Students Conference on Engineering and Systems (SCES), Prayagraj, India, 2022, pp. 01-06.
Putri, S. A. (2024). Penerapan Model Deteksi Jenis Kerusakan Jalan Dengan Menggunakan Algoritma You Only Look Once (YOLO) Versi 8 (Doctoral dissertation, Institut Teknologi Sepuluh Nopember).
Salikhov, R. B., Abdrakhmanov, V. K., & Safargalin, I. N. (2021, November). Internet of things (IoT) security alarms on ESP32-CAM. In Journal of Physics: Conference Series (Vol. 2096, No. 1, p. 012109). IOP Publishing.
SunFounder. (2024). ESP32 CAM. SunFounder GalaxyRVR Kit for Arduino 1.0 documentation. Diakses dari ESP32 CAM — SunFounder GalaxyRVR Kit for Arduino 1.0 documentation (diakses pada Oktober 2024).
Stanković, J., Rajkumar, R., & Ramamritham, K. (2019). Real-time systems: Theory and practice. Springer.
Tafida, A. I., Bt Wan Zawawi, N. A., Alaloul, W. S., & Musarat, M. A. (2024). A systematic review of the use of computer vision and photogrammetry tools in learning-based dimensional road pavement defect detection for smart transportation. In 2024 International Conference on Smart Applications, Communications and Networking (SmartNets) (pp. 1-9). Harrisonburg, VA, USA: IEEE.
Undang-Undang No. 38 Tahun 2004 tentang Jalan (Indonesia). Diakses dari UU No. 38 Tahun 2004 (bpk.go.id) (diakses pada Oktober 2024).
Zhang, J., Wang, L., & Xu, D. (2021). Performance analysis of real-time object detection on embedded devices. IEEE Transactions on Embedded Computing, 22(6), 180-192.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
